La sfida per il controllo qualità in tempo reale nella stampa metallica
ASTRO America, in collaborazione con il Centro di Eccellenza per la Produzione Additiva di ASTM International e l’Istituto InSPIRE della Florida State University, ha lanciato l’“Actionable In-Situ Awareness Challenge”. L’obiettivo è verificare sul campo la solidità commerciale di sistemi di monitoraggio e analisi dati integrati direttamente nei processi di stampa 3D in metallo. Le macchine di Maritech Machine a Panama City, Florida, ospiteranno per tre mesi le soluzioni di cinque finaliste, con l’impegno di raccogliere immagini a intervalli regolari, log di performance e ogni dato utile a dimostrare un ritorno concreto in termini di efficienza, riduzione di scarti e tempi di verifica, soprattutto nei settori difesa e aerospaziale.
Partner e modalità di valutazione
I partecipanti installeranno il proprio hardware e software sui sistemi di fusione laser a letto di polvere messi a disposizione da ASTRO America. Il processo prevede una fase di allineamento delle sonde e delle telecamere, la registrazione di sequenze layer-by-layer e l’estrazione di metriche chiave – spessore dello strato, andamento termico e anomalie geometriche. Un panel composto da rappresentanti di ASTRO, ASTM International, FSU InSPIRE, GE Aerospace, Northrop Grumman e Air Force Research Laboratory supervisionerà le dimostrazioni, giudicando l’accuratezza delle misure e la facilità di integrazione nelle macchine già in esercizio.
JENTEK Sensors: array a correnti indotte per imaging ad alta risoluzione
JENTEK Sensors porta in gara un sistema basato su sonde a correnti indotte disposte a matrice. Questa tecnologia consente di ottenere mappe dettagliate di difetti, variazioni di geometria e caratteristiche metallurgiche senza rallentare il processo di deposizione. Grazie a brevetti su architetture parallele e filtri intelligenti, la soluzione resta estraibile anche su impianti di deposizione diretta (DED) e cold spray, offrendo un approccio non intrusivo al controllo qualità durante la stampa.
Additive Assurance: AMiRIS, ispezione in linea con machine learning
Additive Assurance propone AMiRIS, una piattaforma indipendente che unisce sensori ottici e algoritmi di intelligenza artificiale per segnalare anomalie in tempo reale durante il processo di fusione laser. Installabile su gran parte dei sistemi L-PBF, AMiRIS produce report e cruscotti di qualità immediatamente fruibili, accelerando la fase di validazione e accreditamento dei pezzi prodotti. L’esperienza accumulata in partnership con Additive Industries ne testimonia l’efficacia nell’ottimizzare resa produttiva e coerenza tra lotti.
Phase3D: Fringe Inspection metrologico con accuratezza certificata
Phase3D punta su Fringe Inspection, un metodo ottico basato su luce strutturata capace di misurare ogni layer con risoluzione di ±10 µm. Il sistema è stato validato nei laboratori NASA e dell’Air Force, dimostrando di correlare le anomalie di depolimerizzazione e difetti di porosità ai risultati dei controlli CT. Anche senza ricorrere a reti neurali, questa soluzione assicura tracciabilità NIST e fornisce alti livelli di ripetibilità, caratteristiche fondamentali per applicazioni in quota o in ambito difensivo.
Applied Optimization: Open Sensor Interface per monitoraggio termico avanzato
Applied Optimization porta in campo OSI (Open Sensor Interface), un’architettura modulare che integra ottiche VIS e MWIR per osservare il bagno di fusione da diverse angolazioni. Il sistema regola in tempo reale campo visivo e messa a fuoco, consentendo l’acquisizione di immagini termiche ad alta risoluzione su tutta la superficie di costruzione. Tra gli obiettivi figurano la validazione di modelli termodinamici e il controllo dei parametri di processo in funzione delle istantanee termiche raccolte.
Addiguru: analisi multi-sensore e intelligenza artificiale per decisioni tempestive
Addiguru completa il quintetto con una piattaforma capace di aggregare dati ottici, termici e di macchina, trasformandoli in segnalazioni di difetto entro secondi da ogni completamento di layer. L’impiego di algoritmi di machine learning, addestrati su set di dati eterogenei, permette di abbattere i tempi di verifica e di intervento post-processo, riducendo la necessità di costosi test distruttivi.
Prospettive e tappe successive
Dopo il periodo di sperimentazione in situ, i risultati saranno illustrati durante un evento aperto in programma a fine agosto. Oltre a premiare soluzioni che offrano un chiaro vantaggio economico e operativo, la manifestazione segnerà una tappa importante per definire standard condivisi e linee guida per l’integrazione delle tecnologie di monitoraggio nei flussi produttivi di metal AM.
